世界超市世界超市

DeepMind新算法为其挑战雅达利游戏的AI增加记忆能力

在AlphaGo成名之前DeepMind团队早已使用49个雅达利的老游戏用来测试AI,但当时其AI尽管能够通过机器学习完成对每一个游戏的挑战,不过有个遗憾就是AI在学习新游戏玩法后就会很快忘记此前游戏的玩法,法从旧游戏中总结出解决新游戏的玩法,也就是说人工智能在运用过去的经验和知识方面是受限的。现在DeepMind团队宣布其联合帝国理工学院已经开发出了命名为弹性权重固化(Elastic Weight Consolidation,EWC)的新算法,能够让AI通过机器学习记住并重新使用旧信息来解决新问题,也就是说拥有了初步的记忆能力。研究论文已经发布在近期的《美国科学院院报(PNAS)》上。据研究论文解释,EWC算法所依赖的是突触固化(synaptic consolidation)理论,能够解决在被分配到新任务时产生灾难性遗忘这一人工智能难以克服的问题,人工智能会覆盖掉此前掌握和学习到的技能和知识。论文称:我们的方法是通过有选择性地减慢对重要权重值的学习,使机器能记住之前的任务。DeepMind的James Kirkpatrick称人类和动物能够掌握大量知识的一个关键因素,就在于他们可以在以前知识的基础上不断学习新东西。算法会选择运用它所学习的内容来玩一款游戏,然后保留其中学到的最为重要的部分。我们只允许程序间非常缓慢地渐进式的改变,那样的话才总是会有学习新任务的空间,而同时这种改变不会覆盖我们之前学到的内容。在测试中,研究人员利用被新算法强化过的DQN深度神经网络随机玩10款Atari公司的游戏,几天之后,他们发现AI已经可以做到和人类玩家一样优秀了。

上一条:Google的Project Sunroof项目显示美国家庭巨大的太阳能应用潜力

相关推荐